[发明专利]一种烟田遥感图像匹配算法

说明书

技术领域

本发明涉及数字图像处理领域，更具体地，涉及一种烟田遥感图像匹配算法。

背景技术

目前烟田图像匹配大致可分为基于灰度值和基于特征两大类。其中，基于特征的方法取得了飞速的发展，常用的图像特征有点、边缘、区域和轮廓等。一般而言，提取特征点相对容易，能对图像间的旋转、平移、光照等变化保持不变。特征点是在图像局部区域中变化最剧烈的点，如交叉点。特征点提取的精度及质量好坏直接影响后续的图像配准、图像拼接、物体识别等视觉处理任务。

现有技术中一般采用Harri算法，但该算法只能在单一尺度下检测角点，不具有尺度不变性，而且时间效率低。此外，基于Harris的匹配算法通常采用灰度窗口的相关系数进行匹配，如果图像发生光照、尺度、噪声等变化则会提取出伪角点。

发明内容

本发明提供一种烟田遥感图像匹配算法，该算法时间效率较高。

为了达到上述技术效果，本发明的技术方案如下：

一种烟田遥感图像匹配算法，包括以下步骤：

S1：采用单尺度Harris角点检测算法对图像进行检测并提取角点，获得图像角点集；

S2：使用Hessian矩阵检测图像极值点，进行特征点定位，并确定特征点所在位置及尺度值；

S3：将Harris检测出的角点集与S2中提取的特征点合并，剔除重复点及对尺度变化不稳定的特征点，形成初始特征点集；

S4：确定初始特征点集的主方向，并为每个特征点生成64维的特征描述符；

S5：分别对参考图像和待配准图像使用S1-S4的方法提取特征点，然后进行特征点匹配。

进一步地，所述步骤S1的过程如下：

以图像I(x,y)中的一点(x,y)为中心，给定一个小窗ω，令小窗ω在图像I(x,y)中不同方向的位移为Δx、Δy，图像I(x,y)中每一点的自相关函数表示为：

E(x,y)=Σω[I(xi+Δx,yi+Δy)-I(xi,yi)]2=Σω[Δx·Ix(xi,yi)+ΔyIy(xi,yi)+o(Δx2+Δy2)]2≈Σω([Ix(xi,yi)Iy(xi,yi)]ΔxΔy2)=[ΔxΔy]Σω(Ix(xi,yi))2Σω(Ix(xi,yi)·Iy(xi,yi))Σω(Ix(xi,yi)·Iy(xi,yi))Σω(Iy(xi,yi))2ΔxΔy=[ΔxΔy]I~x2I~x·I~yI~x·I~yI~y2ΔxΔy=[ΔxΔy]M(x,y)ΔxΔy]]>